qq_67279091的博客

笔记主要介绍BTD及其推导，并给出了BTD具有本质唯一性时的条件；介绍了t-SVD的定义及算法。

主要讲解CP分解和tucker分解，并给出了torch代码的相关示例。

众所周知，图像可以表示为二维矩阵。张量是矩阵的高维推广，可以描述图像更多的特征。这里主要介绍张量的一些基本运算。

本节主要讲解可伸缩的张量算法，一类是利用张量的稀疏性，另一类是利用张量的低秩性。

张量分解通常是将高维张量分解成一系列较低维的张量，表示能力相对较低。而张量网络可以表示复杂的高维数据结构，通过连接多个张量形成网络结构，可以更灵活地表示和处理复杂的数据关系。2.5.2 TT分解——给出了TT分解的定义，并给出了TT分解的ALS算法，然后介绍了TR分解的定义及算法，最后粗略介绍了TT分解的其他推广，如PEPS、HCL、MERA。2.5.1 HT分解——首先我们引入了维度树的相关定义，然后给出了HT分解的定义以及一个例子，并给出了HT分解的两种算法，最后给出了HT分解的一个推广：TTNS；